以以下链接为例：http://www.yelp.com/biz/chef-yu-new-york。
在“评论精华”一节中，根据用户提交的评论突出显示3个短语（辣鸡丁，欢乐时光，午餐特价）。显然，这些是最常出现的短语，或经常出现的最长短语，或其他一些逻辑。
他们的官方解释如下：
在他们的评论中，Yelpers提到了很多下面的链接短语。 这些不是任何古老的常用短语，它们也是那些 我们的Yelp机器人已经确定了独特而优秀，快捷的方法 描述这项业务。单击任何短语即可查看所有短语 提到它的评论。
我的问题是，他们用什么来挖掘文本输入来获取这些数据点？是基于Lempel Ziv的某种算法，还是某种地图减少？我不是CS专业，所以可能在这里遗漏了一些基础。会喜欢一些帮助，理论等等。
谢谢！
答案 0 :(得分：1)
我对Yelp使用的确切算法没有任何见解，但这是自然语言处理中的常见问题。基本上你想要提取最相关的搭配（http://en.wikipedia.org/wiki/Collocation）。
一种简单的方法是提取具有最高PMI（逐点互信息）的 n-gram 列表。这个SO问题解释了如何使用Python和nltk库执行此操作：
How to extract common / significant phrases from a series of text entries
答案 1 :(得分：0)
Lempel-Ziv是一种数据压缩算法，map-reduce是一种数据处理技术。前者可能没有参与，后者通常很有用但在这里不相关。
在不知道Yelp代码的详细信息的情况下，我们无法肯定地说，但似乎可能他们的“评论亮点”仅仅基于列出此业务评论中出现的所有短语，然后显示在此业务的评论中比在其他业务中更常见的那些。可能涉及一些自然语言处理以确保它选择名词短语。